| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 电力作业机器人国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 视觉检测算法研究现状 | 第16-19页 |
| 1.3.1 视觉检测算法国内外现状 | 第16-17页 |
| 1.3.2 视觉检测算法在电力自动化领域中的应用 | 第17-18页 |
| 1.3.3 电力机器人视觉检测算法研究难点 | 第18-19页 |
| 1.4 论文主要工作及内容安排 | 第19-22页 |
| 第二章 输电线路带电作业机器人整体结构 | 第22-26页 |
| 2.1 输电线路带电作业机器人本体结构 | 第22-23页 |
| 2.2 螺栓紧固末端作业装置 | 第23-24页 |
| 2.3 导线修补末端作业装置 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于Hough变换与SVM分类器的视觉检测算法 | 第26-48页 |
| 3.1 图像处理相关技术 | 第26-31页 |
| 3.1.1 图像预处理 | 第26-29页 |
| 3.1.2 Hough直线检测 | 第29-30页 |
| 3.1.3 SVM分类器 | 第30-31页 |
| 3.2 基于Hough变换与SVM分类器的螺栓检测算法 | 第31-40页 |
| 3.2.1 图像预处理 | 第32-34页 |
| 3.2.2 六边形螺栓检测算法 | 第34-37页 |
| 3.2.3 图像分类 | 第37-38页 |
| 3.2.4 实验结果 | 第38-40页 |
| 3.3 基于Hough变换与SVM分类的导线缺陷检测算法 | 第40-47页 |
| 3.3.1 图像预处理 | 第41页 |
| 3.3.2 导线提取 | 第41-43页 |
| 3.3.3 图像分类与定位 | 第43-46页 |
| 3.3.4 实验结果 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于Faster R-CNN的视觉检测算法 | 第48-66页 |
| 4.1 Faster R-CNN算法 | 第48-56页 |
| 4.1.1 卷积神经网络 | 第48-51页 |
| 4.1.2 RPN | 第51-53页 |
| 4.1.3 网络训练 | 第53-56页 |
| 4.2 基于Faster R-CNN的螺栓视觉检测算法 | 第56-60页 |
| 4.2.1 候选区域改进 | 第56-57页 |
| 4.2.2 数据集 | 第57-58页 |
| 4.2.3 实验结果 | 第58-60页 |
| 4.3 基于Faster R-CNN的导线缺陷视觉检测算法 | 第60-64页 |
| 4.3.1 候选区域改进 | 第60页 |
| 4.3.2 数据集 | 第60-62页 |
| 4.3.3 实验结果 | 第62-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 基于视觉检测算法的机器人作业实验 | 第66-70页 |
| 5.1 螺栓紧固作业实验 | 第66-67页 |
| 5.2 导线修补作业实验 | 第67-68页 |
| 5.3 本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 附录A (攻读硕士学位期间发表论文) | 第77-78页 |
| 附录B (攻读硕士学位期间获得的奖励) | 第78-79页 |
| 附录C (攻读硕士学位期间参与的项目) | 第79页 |
